Stable Diffusion 如何在 JAX/Flax 框架中利用 TPU 进行快速推理
Hugging Face Diffusers 支持 Flax 框架,允许在 Google TPU 上对 Stable Diffusion 进行快速推理。教程演示了通过 jax.pmap 在 TPU v2 的 8 个设备上并行生成图像,首次编译耗时较长,但后续推理仅需约 7 秒。
Hugging Face Diffusers 支持 Flax 框架,允许在 Google TPU 上对 Stable Diffusion 进行快速推理。教程演示了通过 jax.pmap 在 TPU v2 的 8 个设备上并行生成图像,首次编译耗时较长,但后续推理仅需约 7 秒。
rinna 公司发布专为日语优化的文生图模型 Japanese Stable Diffusion,该模型通过在日语数据集上微调 Stable Diffusion 生成,能够理解日语提示词并生成反映日本文化特征(如“salary man”形象)的图片。
Hugging Face 为 AutoTrain 新增图像分类(Image Classification)任务,支持零代码训练视觉模型。用户可上传数据或使用 Hugging Face Hub 数据集,选择候选模型数量后自动训练并筛选最佳模型。训练少于 500 张图像且使用 5 个候选模型即可免费,最佳模型可达 84% 准确率。
Hugging Face 官方团队发布 Diffusers 0.3 版本更新。该版本新增了图像到图像生成、Textual Inversion 个性化训练和 Inpainting 图像修复等核心管线。
推荐理由:原文详细介绍了 Diffusers 0.3 版本新增的图像生成管线、低显存优化及 Mac 支持等核心特性,适合开发者和研究者快速掌握最新功能。
OpenAI 为 DALL·E 推出外部绘图(outpainting)功能。该功能允许用户生成任意尺寸的图像,以扩展创意并讲述更宏大的故事。
Hugging Face 发布博客,指导如何使用 Diffusers 库运行 Stable Diffusion 模型并自定义推理管道。
推荐理由:详解Stable Diffusion在Diffusers中的调用与底层机制,提供完整代码示例与自定义管道方法,适合开发者快速上手图像生成。
OpenAI 宣布 DALL·E 已开放测试版访问。平台将在未来数周内向候补名单上的 100 万人发送邀请,用户可使用每月自动重置的免费额度生成图像,亦可按 115 次生成计 15 美元的价格购买额外额度。
推荐理由:官方公告说明了 DALL·E 测试版的用户邀请计划与具体计费模式,方便读者了解早期使用成本。
OpenAI 在 DALL·E 2 中实施新技术,使其生成的人物图像更能准确反映世界人口的多样性。
来自 118 个国家的 3000 多名艺术家已将 DALL·E 整合进创作工作流。这些早期访问用户帮助发现了 DALL·E 的新用途,并在制定 DALL·E 功能决策时提供了关键意见。
OpenAI 针对 DALL·E 2 实施了多项预训练安全措施,以降低强大图像生成模型的相关风险。通过设置防护栏,防止生成图像违反其内容政策,从而在向广泛用户开放该模型时保障合规性。
Hugging Face 发布教程,逐步推导 DDPM 原理并在 PyTorch 中实现 U-Net 去噪网络。教程涵盖前向加噪、反向采样及损失函数推导,在 Fashion-MNIST 上训练展示了扩散模型生成过程。
OpenAI 更新 DALL·E 2 研究预览版,早期用户已创建超过 300 万张图像并协助完善安全流程。平台每周将开始从候补名单中新增最多 1000 名用户。
Hugging Face 官方展示如何利用 datasets 库、sentence_transformers 和 faiss 构建图像搜索应用。该方案使用英国图书馆的书籍插图数据集,通过 datasets 的 ImageFolder 加载器读取图像,并借助 faiss 索引实现基于向量相似度的图像检索,超越了传统标签搜索。
OpenAI 推出可逆生成模型 Glow,该模型使用可逆 1x1 卷积扩展了此前的可逆生成模型研究并简化了架构。Glow 能够生成逼真的高分辨率图像,支持高效采样,并能发现用于操控数据属性的特征。OpenAI 已发布该模型的代码及在线可视化工具,供研究人员探索和基于此成果进行开发。
OpenAI 创建了能在多种尺度和视角下可靠欺骗神经网络分类器的图像。这一成果反驳了上周关于自动驾驶汽车因从多尺度、多角度和视角捕获图像而难以被恶意欺骗的说法。